Blog

Das *umBlog – Wissenswertes aus der Welt der Daten, Tech-Trends, Termine und Einblicke in unsere unglaubliche Company.

So können auch kleine Unternehmen Machine Learning nutzen

Verfasst am 30.01.2019 von Michaela Fränzer

Die Hälfte aller deutschen Unternehmen beschäftigt sich bereits aktiv mit Machine Learning. In 22 Prozent der Unternehmen ist die Technik sogar schon im produktiven Einsatz, vor allem in großen Konzernen. Das geht aus unserer aktuellen Studie hervor. Doch auch kleinere Unternehmen können die neuen KI-Technologien erfolgreich zum Einsatz bringen – dank Machine-Learning-as-a-Service-Angeboten (MLaaS).  

Machine Learning ist ein Teilgebiet der künstlichen Intelligenz (KI), das statistische Modelle und große Datenmengen verwendet, um Muster zu erkennen, Vorhersagen zu treffen, eigenständig Entscheidungen zu treffen und Prozesse zu optimieren. Die erfolgreiche Implementierung von Machine Learning kann für viele Unternehmen ein entscheidender Faktor für ihre digitale Transformation sein. 

In kleineren Firmen scheitert der Einsatz von Machine Learning allerdings häufig an mangelnden Ressourcen. Denn für den Aufbau und Einsatz von Machine-Learning-Modellen und deren Training braucht es bisher nicht nur Zeit und Geld, sondern auch ein Team mit der richtigen Data-Expertise. Diese Experten sind aber auf der ganzen Welt Mangelware. Laut einem Artikel der New York Times verfügen weltweit, Stand Ende 2017, weniger als 10.000 Menschen über die notwendigen Fähigkeiten, um ernsthaft an künstlicher Intelligenz zu forschen. 
Kleinere Unternehmen verfügen darüber hinaus häufig nicht über genügend Daten, um leistungsfähige KI-Modelle zu erstellen. Allerdings können sie auch mit weniger eigenen Daten vortrainierte maschinelle Lernalgorithmen nutzen, um geschäftskritische Erkenntnisse zu erzielen. Inzwischen gibt es einige Angebote, die Machine Learning „as a Service" für jede Unternehmensform leichter zugänglich machen.

Was ist Machine Learning as a Service (MLaaS)? 

MLaaS funktioniert nach dem gleichen Prinzip wie Software as a Service (SaaS). Die ML-Anwendung läuft direkt auf der Plattform des Anbieters, der für die Installation, die Konfiguration und den Betrieb der Schnittstelle verantwortlich ist. Durch eine Kombination aus automatisierten und teilautomatisierten Cloud-Plattformen werden die meisten Infrastrukturthemen wie Datenvorverarbeitung, Modelltraining und -auswertung mit weiteren Prognosen abgedeckt. Vorhersageergebnisse können über Schnittstellen mit der eigenen IT-Infrastruktur des Unternehmens verknüpft werden.

Einige der großen Public Cloud Provider bieten mittlerweile umfangreiche Kataloge an Microservices, die Unternehmen erwerben können, um ihre eigenen digitalen Plattformen zu erstellen. Das Konzept der digitalen Plattformen und Microservices ist sehr umfangreich; AWS, Microsoft Azure und Googles Cloud Platform bieten eine große Menge an "as-a-Service"-Diensten von Cloud Computing, Storage und Datenbankmanagement über Augmented und Virtual Reality bis hin zu Business Productivity Applications und Tools für das Internet der Dinge. Diese Microservices sind weitgehend API-basiert, so dass sie eine schnelle Bereitstellung ermöglichen. 

Eben darin liegt der Reiz dieser Services. Denn es ist herausfordernd und zeitaufwendig, erst eine Entwicklungsumgebung zu erstellen, wenn es eigentlich darum geht, ein Produkt schnell zu skalieren oder zu erstellen. Unter diesen Diensten finden sich auch einige Machine-Learning-Services, etwa zu Text-, Sprach- oder Bilderkennung, bis hin zu multifunktionalen KI-Plattformen wie Amazon Sagemaker, Azure Machine Learning Studio von Microsoft oder Google Cloud Machine Learning Engine.

Gurken bringen den Beweis

Wie erfolgreich eine MLaaS-Lösung zum Einsatz gebracht werden kann, hat Makoto Koike gezeigt, ein Bauernsohn aus Japan. Seine Familie züchtet Gurken. Als er nach einem Krankheitsfall zurück auf die Farm kam, um bei der Aufrechterhaltung des Betrieb zu helfen, stellte er bald fest, dass das Sortieren der Gurken viel Zeit in Anspruch nahm. In Japan gibt es keine fest definierten Vorgaben zur Sortierung von Gemüseklassen, die Einteilung nimmt jede Farm für sich vor. Auf dem Hof von Makotos Eltern gibt es ein Neun-Klassen-System, das seine Mutter perfektioniert hatte. Er selbst hat es durch den Einsatz eines MLaaS-Modells geschafft, die Sortierung der Gurken zu automatisieren, seine Eltern zu entlasten und den Betrieb effizienter zu gestalten.

Einsatzbereiche und Anwendungen von Machine Learning

Machine Learning kann in nahezu jeder Branche eingesetzt werden und auch "vergurkte" Anwendungen erfolgreich machen. Insbesondere in kleinen und mittleren Unternehmen lassen sich durch Machine Learning Arbeitsabläufe vereinfachen und Aufwände minimieren. Hier einige Beispiele:

Marketing: Machine Learning kann dabei helfen, Marketingentscheidungen zu verbessern. Allein im vergangenen Jahr nutzten 43 Prozent der Marketer KI und Machine Learning, um Vorhersagen über Kundenentscheidungen zu verbessern.

Automatisierung: Einer der größten Vorteile von Machine Learning ist die Automatisierung sich wiederholender Aufgaben und die daraus resultierende Steigerung der Produktivität. Chatbots sind zum Beispiel eine bekannte Machine-Learning-Anwendung, um den Kundenservice effektiver zu gestalten.

Sicherheit: Durch das Überprüfen von Datenmustern ist Machine Learning prädestiniert, verdächtige Kontoverhalten oder auch Betrug zu erkennen  eine wichtige Funktion in der Finanzüberwachung und Netzwerksicherheit.

Kundenempfehlungen: Netflix, Spotify oder Amazon – sie alle erstellen personalisierte Vorschläge für ihre Nutzer und Kunden. Durch die Identifizierung von Mustern im Nutzerverhalten kann der Einsatz von Machine Learning die Relevanz von Anzeigen für bestimmte Benutzer erhöhen. Diese Art von Vorhersagen kann auch kleineren Unternehmen helfen, Service- oder Produktempfehlungen zu personalisieren.
 

Eine Übersicht der verschiedenen Machine-Learning-as-a-Service-Lösungen folgt in Kürze. Mehr über den erfolgreichen Einsatz von Machine Learning in Unternehmen erfährst du schon jetzt in unserer aktuellen Studie in Kooperation mit Crisp Research und Dell EMC.

Studie jetzt kostenlos herunterladen!


Das könnte dich auch interessieren: 
Infografik: Nutzung von Machine Learning verzehnfacht sich
Studie belegt: Nutzung von Machine Learning verzehnfacht sich
KI Strategie der Bundesregierung: eine Einordnung

Aktuelle Blogeinträge

Social Media

Kontakt

The unbelievable Machine
Company GmbH
Grolmanstr. 40
D-10623 Berlin

+49-30-889 26 56-0 +49-30-889 26 56-11 info@unbelievable-machine.com

Kostenloses Whitepaper

Künstliche Intelligenz:
der Schlüssel zur Marktführerschaft

Zum Whitepaper